data_cleaning.py

import numpy as np
import pandas as pd

def clean_df_usagers(df):
    df_usagers = df.copy()

    df_usagers["sexe"].replace({
        1: "homme",
        2: "femme",
        -1: np.nan
    }, inplace=True)

    df_usagers["catu"].replace({
        1: "conducteur",
        2: "passager",
        3: "piéton",
        -1: np.nan
    }, inplace=True)

    df_usagers["trajet"].replace({
        -1: np.nan,
        0: np.nan,
        1: "domicile-travail",
        2: "domicile-école",
        3: "courses-achats",
        4: "utilisation pro",
        5: "promenade-loisirs",
        9: "autre"
    }, inplace=True)

    for secu in ["secu1", "secu2", "secu3"]:
        df_usagers[secu].replace({
            -1: np.nan,
            0: np.nan,
            1: "ceinture",
            2: "casque",
            3: "dispositif enfants",
            4: "gilet réfléchissant",
            5: "airbag",
            6: "gants",
            7: "gants + airbag",
            8: np.nan,
            9: "autre"
        }, inplace=True)

    df_usagers["actp"].replace({
        "-1": np.nan,
        "0": np.nan,
        "1": "sens véhicule heurtant",
        "2": "sens inverse du véhicule",
        "3": "traversant",
        "4": "masqué",
        "5": "jouant - courant",
        "6": "avec animal",
        "9": "autre",
        "A": "monte/descend du véhicule",
        "B": np.nan
    }, inplace=True)

    df_usagers["etatp"].replace({
        "-1": np.nan,
        1: "seul",
        2: "accompagné",
        3: "en groupe"
    }, inplace=True)

    df_usagers.replace(-1, np.NaN, inplace=True)

    return df_usagers

def clean_df_caracs(df):

    df_caracs = df.copy()

    # On modifie le nom de la variable Accident_Id 
    # pour faciliter la jointure tout à l'heure

    df_caracs.rename(columns={"Accident_Id": "Num_Acc"}, inplace=True)
    
    df_caracs['lum'].replace({
        1: "plein jour",
        2: "crépuscule/aube",
        3: "nuit sans éclairage public",
        4: "nuit avec éclairage public non allumé",
        5: "nuit avec éclairage public allumé"
    }, inplace=True)

    df_caracs["agg"].replace({
        1: "hors agglo",
        2: "agglo"
    }, inplace=True)

    df_caracs['int'].replace({
        1: "hors intersection",
        2: "intersection en X",
        3: "intersection en T",
        4: "intersection en Y",
        5: "intersection à +4 branches",
        6: "giratoire",
        7: "place",
        8: "passage à niveau",
        9: "autre"
    }, inplace=True)

    df_caracs['atm'].replace({
        -1: np.nan,
        1: "normale",
        2: "pluie légère",
        3: "pluie forte",
        4: "neige/grêle",
        5: "brouillard/fumée",
        6: "vent fort/tempête",
        7: "temps éblouissant",
        8: "temps couvert",
        9: "autre"
    }, inplace=True)

    df_caracs['col'].replace({
        -1: np.nan,
        1: "2 véhicules - frontale",
        2: "2 véhicules - par l'arrière",
        3: "2 véhicules - par le côté",
        4: "3+ véhicules - en chaîne",
        5: "3+ véhicules - collisions multiples",
        6: "autre collision",
        7: "sans collision"
    }, inplace=True)

    df_caracs.replace(-1, np.NaN, inplace=True)

    return df_caracs


def clean_df_lieux(df):
    df_lieux = df.copy()

    df_lieux["catr"].replace({
        1: "autoroute",
        2: "route nationale",
        3: "route departementale",
        4: "voie communale",
        5: "hors réseau public",
        6: "parc de stationnement",
        7: "route de métropole urbaine",
        9: "autre"
    }, inplace=True)

    df_lieux["circ"].replace({
        -1: np.nan,
        1: "chaussée unidirectionnelle",
        2: "chausée bidirectionnelle",
        3: "chaussée séparée",
        4: "avec voies d’affectation variable"
    }, inplace=True)

    df_lieux["vosp"].replace({
        -1: np.nan,
        0: np.nan,
        1: "piste cyclable",
        2: "bande cyclable",
        3: "voie réservée"
    }, inplace=True)

    df_lieux["prof"].replace({
        -1: np.nan,
        1: "plat",
        2: "pente",
        3: "sommet de côte",
        4: "bas de côte"
    }, inplace=True)

    df_lieux["plan"].replace({
        -1: np.nan,
        1: "partie rectiligne",
        2: "en courbe à gauche",
        3: "en courbe à droite",
        4: 'en "S"'
    }, inplace=True)

    df_lieux["larrout"].replace(-1, np.nan, inplace=True)

    df_lieux["surf"].replace({
        -1: np.nan,
        1: "normale",
        2: "mouillée",
        3: "flaque",
        4: "inondée",
        5: "enneigée",
        6: "boue",
        7: "verglacée",
        8: "corps gras",
        9: "autre"
    }, inplace=True)

    df_lieux["infra"].replace({
        -1: np.nan,
        0: np.nan,
        1: "tunnel",
        2: "pont",
        3: "bretelle",
        4: "voie ferrée",
        5: "carrefour aménagé",
        6: "zone piétonne",
        7: "zone de péage",
        8: "chantier",
        9: "autre"
    }, inplace=True)

    df_lieux["situ"].replace({
        -1: np.nan,
        0: np.nan,
        1: "chaussée",
        2: "bande d'arrêt d'urgence",
        3: "acottement",
        4: "trottoir",
        5: "piste cyclable",
        6: "voie spéciale",
        7: np.nan,
        8: "autre"
    }, inplace=True)

    df_lieux["vma"].replace(-1, np.nan, inplace=True)

    df_lieux["nbv"] = df_lieux["nbv"].replace({"#ERREUR": np.nan}).astype(float).replace({-1: np.nan, 0: np.nan})

    df_lieux.replace(-1, np.NaN, inplace=True)

    return df_lieux


def clean_df_vehicules(df):
    df_vehicules = df.copy()

    df_vehicules["senc"].replace({
        -1: np.nan
    }, inplace=True)

    df_vehicules["catv"].replace({
        0: np.nan
    }, inplace=True)

    df_vehicules["catv_2"] = df_vehicules["catv"].replace({
        1: "vélo",
        2: "moto",
        3: "autre",
        7: "véhicule léger",
        10: "véhicule utilitaire",
        13: "poids lourd",
        14: "poids lourd",
        15: "poids lourd",
        16: "tracteur",
        17: "tracteur",
        20: "autre",
        21: "tracteur",
        30: "moto",
        31: "moto",
        32: "moto",
        33: "moto",
        34: "moto",
        35: "quad",
        36: "quad",
        37: "bus/car",
        38: "bus/car",
        39: "train",
        40: "tram",
        41: "3 roues",
        42: "3 roues",
        43: "3 roues",
        50: "EDP",
        60: "EDP",
        80: "VAE",
        99: "autre"
    })

    df_vehicules["obs"].replace({
        -1: np.nan
    }, inplace=True)

    df_vehicules["obsm"].replace({
        -1: np.nan,
        0: "aucun",
        1: "piéton",
        2: "véhicule",
        4: "véhicul sur rail",
        5: "animal domestique",
        6: "animal sauvage",
        9: "autre"
    }, inplace=True)

    df_vehicules["choc"].replace({
        -1: np.nan,
        0: "aucun",
        1: "avant",
        2: "avant droit",
        3: "avant gauche",
        4: "arrière",
        5: "arrière droit",
        6: "arrière gauche",
        7: "côté droit",
        8: "côté gauche",
        9: "chocs multiples"
    }, inplace=True)

    df_vehicules["manv"].replace({
        -1: np.nan,
        0: np.nan,
        1: "sans changement de directin",
        2: "même sens, même file",
        3: "entre 2 files",
        4: "en marche arrière",
        5: "à contresens",
        6: "en franchissant le terre-plein central",
        7: "couloir bus, même sens",
        8: "couloir bus, sens inverse",
        9: "en s'insérant",
        10: "demi-tour sur la chaussée",
        11: "changement de file à gauche",
        12: "changement de file à droite",
        13: "déporté à gauche",
        14: "déporté à droite",
        15: "tournant à gauche",
        16: "tournant à droite",
        17: "dépassant à gauche",
        18: "dépassant à droite",
        19: "traversant la chaussée",
        20: "manoeuvre de stationnement",
        21: "manoeuvre d'évitement",
        22: "ouverture de porte",
        23: "arrêté (hors stationnement)",
        24: "en stationnement",
        25: "circulant sur trottoir",
        26: "autre"
    }, inplace=True)

    df_vehicules["motor"].replace({
        -1: np.nan,
        0: np.nan,
        1: "hydrocarbures",
        2: "hybride électrique",
        3: "électrique",
        4: "hydrogène",
        5: "humaine",
        6: "autre"
    }, inplace=True)

    df_vehicules.replace(-1, np.NaN, inplace=True)

    return df_vehicules